Нейросеть для создания видео Wan 3.0 генерирует сцены

Китайский гигант Alibaba представил превью своей новой модели Wan 3.0. Для продюсеров и агентств это действительно важный релиз: новая нейросеть для создания видео способна выдавать 30-секундные сцены за один проход. При этом она сохраняет персонажей и генерирует нативный звук. Я вижу в этом возможность уйти от коротких разрозненных клипов к сборке готовых рекламных мизансцен, что сильно ускорит превизуализацию и снизит затраты на питчи.

От презентаций до готовых концептов

Главная фишка релиза – концепция генерации видео из любых форматов (everything to video). Модель принимает на вход не только привычные текстовые запросы или картинки, но и документы, таблицы, презентации в PDF и PPT, а также ссылки на веб-страницы. Ограничение на один файл составляет вполне рабочие 100 МБ или 50 страниц.

Для агентского продакшена это автоматизирует часть рутины. Теперь можно загрузить брендбук, бриф клиента или презентацию продукта, а на выходе получить анимированную раскадровку или атмосферный ролик, который отражает позиционирование бренда. В официальных тестах модель успешно превратила текстовый документ с описанием кофейни в готовое атмосферное видео. Это избавляет от необходимости тратить часы на ручной поиск референсов для настроения – достаточно отправить ИИ исходные файлы.

Тридцать секунд непрерывного кадра

Второй важный момент – увеличение хронометража до 30 секунд за один запуск. Когда генераторы видео выдавали всего по четыре секунды, получалось показать клиенту лишь красивую статичную деталь или короткий проход камеры. Тридцать секунд – это полноценная сцена. Появляется пространство для съемки одним дублем, раскрытия сюжета, работы с несколькими персонажами и даже для полноценных диалогов.

Wan 3.0 генерирует нативный звук и синхронизирует движения губ с речью. В демо-роликах модель держит стабильность персонажей, одежды, мимики и пространства на протяжении всей сцены. Разработчики заявляют, что уделили особое внимание микровыражениям лиц и реалистичности эмоций. Если модель действительно удержит такое качество на реальных проектах, это решит главную боль ИИ-продакшена – постоянное изменение лиц героев и окружения при монтаже длинных планов.

Прозрачная экономика генерации

Alibaba предложила очень понятную сетку тарифов для международного рынка в облаке Alibaba Cloud Model Studio. Цены зависят от разрешения выходного ролика: – $0,05 за секунду в разрешении 480p; – $0,10 за секунду в 720p; – $0,20 за секунду в качестве 1080p.

Таким образом, генерация одного 30-секундного видеоролика в максимальном качестве обойдется всего в $6. Для коммерческого планирования это идеальный расклад. Продюсер может заранее рассчитать себестоимость черновых материалов для тендера или клиентской презентации. Важно учитывать: сервис берет плату не только за готовый результат, но и за длительность входного видео, если продюсер загрузил его как референс. За неудачные генерации платить не придется, что экономит бюджет при постоянных тестах и правках.

На рынке уже идет жесткая конкуренция в этом сегменте. Wan 3.0 выходит на одно поле с Seedance 2.5, которая тоже умеет выдавать 30-секундные сцены с нативным звуком, а также с Kling 3.0 и MiniMax H3. Однако именно у Alibaba сочетание длины кадра, работы с документами и прозрачной цены выглядит сейчас очень перспективно.

Разумеется, рекламному рынку еще предстоит проверить, как модель держит стабильность на неидеальных пользовательских запросах. Но уже сейчас понятно: генеративное видео перерастает формат красивых «живых картинок» и превращается в полноценный инструмент режиссуры и быстрой сборки готовых сцен.